现实生活中,人们面临的绝大多数的优化问题都可以归类为多目标优化问题。单目标优化可以找到唯一的最优可行解,与单目标优化不同的是,多目标优化问题需要在一组Pareto解集中,找到可以使各个子目标尽可能达到最优的解集,在各个子目标之间保持平衡。粒子群优化算法作为一种群智能算法,因形式简洁,参数设置灵活,操作简便易行,快速收敛的同时能一次产生多个解,从而在求解多目标优化问题中被广泛应用。但是,也存在收敛速度慢、容易陷入局部最优等不足。本文主要是对粒子群优化算法在解决多目标优化问题时收敛速度慢以及容易陷入局部最优等不足进行研究,期望在多目标优化问题中快速精确收敛。针对上述问题,本文提出基于种群划分与变异策略的粒子群优化算法,采用自适应选取策略选择全局最优解,并将改进后的多目标粒子群优化算法应用于物流Web服务组合的优化问题。具体研究如下:首先,在传统粒子群优化基础上,通过种群划分策略,使各自种群并行进化,并且通过变异策略,在种群收敛到最优解的同时更大范围搜索更为精确的解集,针对不同的子种群,设置不同的惯性权重,从而增强局部搜索和全局搜索能力,提高算法的搜索效率;然后,对全局最优解集进行自适应选取,通过自适应选择策略选取全局最优解和个体最优解,引导粒子均匀地向Pareto前沿飞行,保证算法最终收敛到真实Pareto前端;最后,将改进的多目标粒子群优化算法应用于物流Web服务组合优化问题,并通过实验分析验证该方法在实际应用中的可行性和有效性。